超越70%：如何用好AI时代编程中“人类独有的30%”

作者：Addy Osmani

为什么在AI辅助编程时代，人类的独特技能依旧至关重要？

像 Cursor、Cline、Copilot 和 WindSurf 这样的 AI 编程助手，彻底改变了软件开发方式，帮我们解决了大量重复枯燥的基础工作。然而，就像许多资深开发者和行业领袖指出的那样，目前依然存在一个关键的问题：大约还有30%的工作，是AI无法很好地完成的。正是这30%的差距，决定了一段代码究竟是简单的演示，还是真正能落地的产品级系统。这部分工作包含了最棘手的挑战，比如深入理解复杂需求、设计出易于维护的系统架构、处理各种边缘情况以及确保代码的正确性。简单来说，AI可以生成“代码”，但它往往在“软件工程”本身上做得并不好。

科技界的传奇人物蒂姆·奥莱利（Tim O'Reilly），在回顾数十年来的技术变迁时，强调了这样一个观点：每一次自动化的跃进，都只是改变了我们编程的方式，而不是我们为什么需要优秀程序员的理由。我们面对的不是编程的终结，而是“我们今天所认识的编程方式的终结”。也就是说，开发者的角色并不是在消失，而是在转变。

因此，当下软件工程师们真正的挑战在于：一方面充分利用AI擅长完成的那“70%”，另一方面更要专注强化人类独有的、能够胜任剩余“30%”工作的技能和洞察力。这篇文章将深入探讨专家们的见解，帮你明确在AI时代，到底哪些人类技能仍然至关重要。我们也将探讨资深开发者应该继续发挥哪些优势，以及初级开发者又该在哪些方面持续投入，才能在AI辅助编程的时代里脱颖而出。

我们的目标非常明确：提供实用的建议，帮助工程师们充分发挥人类不可替代的那“30%”，无论你是新手还是专家，都能从中获得切实可行的启发和指导。

AI 编程中的“70%现象”：AI擅长什么，又卡在哪儿？

AI编程工具在某些方面表现得惊人地好。尤其在编写模板代码、常规函数，以及快速推动项目完成大约70%的任务时，AI表现出色。很多程序员发现，使用AI辅助编程，能迅速获得一个初步的解决方案，满足大致70%的开发需求。

这70%通常是比较简单、有规律可循的部分，也就是代码中那些已经被充分探索过的路径或通用的框架。正如一位Hacker News评论者所说，AI特别擅长处理软件开发中的 “偶然复杂性”（accidental complexity） ——也就是那些重复的、机械的繁琐工作；而真正的 “本质复杂性”（essential complexity） ，也就是理解并解决问题本身的复杂性，仍然得靠 人类的智慧 来驾驭。用经典的“人月神话”作者Fred Brooks的话来说，AI能解决的是软件开发中次要的麻烦，而非本质上的难题。

那这些AI工具究竟卡在哪儿了呢？经验丰富的工程师经常提到一个明显的 “最后一公里”瓶颈 。AI可能会给出一个看起来很靠谱的解决方案，但剩下的那关键的30%——例如处理特殊的边界条件、完善架构设计，以及确保代码长期易于维护——还得依靠真正有经验的程序员。

举个简单的例子，AI可能给你一个基本能跑的函数，但如果你不明确提醒它，它就不会自动考虑异常输入、竞态条件、性能瓶颈，或者为未来需求预留扩展空间。这些重要的部分，AI通常是想不到的。它能帮你完成大部分任务，但最关键的那30%（边界问题、维护性和稳固的架构），还需要程序员自己动脑筋。

另外，AI也经常会犯一个众所周知的错误：它可能生成看似合理却不正确的代码。它可能引入一些隐蔽的小bug，甚至会“幻觉式”地调用根本不存在的函数和库。程序员Steve Yegge幽默地将如今的AI模型比作“效率惊人的初级开发者”，他们干活极其快，又无比热情，但也像是“嗑了兴奋剂”一样，时不时就提出一些天马行空或根本不可行的方案。

Yegge还进一步提到，有时AI吐出来的代码表面上非常精致，如果一个经验不足的开发者盲目地相信，直接说一句：“看起来不错，就用这个吧！”那么接下来几周就可能上演一出啼笑皆非甚至灾难性的局面。因为AI并不真正理解问题，它只是将过去的模式拼接起来。这种看起来不错的方案里可能藏着长期的“地雷”，只有人类的眼光才能发现。技术专家Simon Willison就讲过，他曾目睹AI提出过一个看似非常巧妙的设计方案，但只有对问题有深入理解的资深工程师才知道这个设计根本行不通。这告诉我们一个重要道理：AI的自信程度远远超过了它的可靠程度。

更重要的是，目前的AI无法创造出超越自身训练数据之外的全新抽象或策略。AI不会替你发明一种前所未有的算法，也不会创造一种全新的架构。它们只是在“混搭”已有的知识。而且，它们也不会为自己的决定负责。一位程序员曾经指出：“AI提出的方案绝不会超过它见过的训练数据里的好主意。它也不会为自己输出的结果承担责任。”

综合以上这些，这意味着创造性的思考和分析能力——也就是决定做什么、如何做、为什么要这样做——仍然牢牢掌握在人类手里。总之，AI对程序员来说是个强大的“倍增器”，能帮你搞定那些重复的70%的工作，给你的生产力来一次“涡轮增压”。但它绝不是能取代人类判断力的万能方案。软件工程里剩下的30%——也就是那些真正困难的环节，依然需要经过专业训练、有深度思考的程序员来解决。而这些，就是我们程序员真正该关注的长期有效的技能。就像一个讨论中有人所说：“AI是强大的工具，但不是魔法子弹……人类的判断力和扎实的软件工程实践依旧是必不可少的。”

AI时代下，工程师必备的持久技能

在这个AI加持的软件开发时代，工程师需要更加专注那些人工智能（目前）无法轻易替代的技能与方法。无论工具进步到什么程度，这些能力都将持续重要。具体来说，以下几项能力值得你加倍用心培养：

系统设计与架构思维：
设计一个出色的系统，不仅仅是写几段代码那么简单，它需要你全面理解整体架构、权衡利弊、考虑限制条件，真正看到整个系统的“大局”。AI可以帮你写代码，却无法自动给出复杂问题的最佳架构。整体设计——比如各个组件如何互动、数据如何流转、如何保障扩展性与安全性——属于那30%只有人类才能做好的领域。资深开发者长期训练出这样的能力，初级工程师也应该有意识地培养自己，学会用设计模式与原则（比如关注点分离、模块化）去指导AI生成的代码，确保软件能够长期维护。记住，好的架构绝不是偶然形成的，而需要富有经验的工程师来主导。
处理极端情况与模糊需求：
真实的软件项目中，总是充满奇怪的边缘场景和不断变化的需求，而AI默认情况下通常只解决“常规”的问题。这时候，工程师就需要主动提出“如果出现这种情况会怎样？”并深入挖掘潜在问题。这种持续有效的能力就是“批判性思考与前瞻力”，你要能够想清楚可能的极端场景，预料到各种可能失败的情况，并提前在代码或设计中做好准备。这可能包括空值输入、网络故障、用户的异常操作，或是系统间的整合问题。领域知识在此也非常重要：深入理解业务背景与用户场景，能帮你找到AI想不到的边缘案例。有经验的工程师会本能地关注这些问题，而新手则应该系统性地训练自己，多进行边界测试，不断挑战假设。
代码审查与质量保障：
当越来越多的代码是由AI生成时，严谨的代码审查和测试能力变得更加关键。知名开发者Steve Yegge强调：“未来每个人都必须更加认真地对待代码的测试与审查。”你应当像审查新手工程师的代码一样审视AI生成的代码，确保捕捉到错误、安全漏洞或不规范的实现。这意味着你要拥有扎实的单元测试、集成测试以及调试能力。编写良好的测试代码是一种经久不衰的技能，能迫使你深入理解需求，并确认代码正确性。一个基本的态度是：“在证明它真正有效之前，假设一切都是坏的”。正如一位开发者所言，AI生成的代码通常“能用，但性能糟糕”，你必须指导AI逐步优化改善。养成“测试思维”，认真检查每条关键逻辑路径，善用静态分析工具和代码检查工具，绝不要因为AI给的代码“能跑就算了”。质量保障绝不是能交给AI的任务，恰恰是你彰显人类细致和耐心的领域。
调试与解决问题的能力：
当软件出问题时，你需要真正的解决问题的本领，才能定位并修复故障。AI虽然可以辅助调试，比如提供可能的原因分析，但它缺乏对你具体软件上下文的真正理解。真正优秀的开发者能够一步一步理清复杂bug，重现问题、定位根本原因，并深入理解底层系统（操作系统、数据库、依赖库等）的运行逻辑。这需要你掌握计算机科学的基本原理（比如内存管理、状态变化、并发问题），这些技能初级开发者必须通过实践逐步获得。你可以让AI成为你的帮手（比如帮你解释错误信息或提出修复建议），但绝不要盲目依赖它。“系统化地排查问题”，并且能从基本原理出发调试代码，这种技能才是顶尖开发者与普通工程师的分水岭。而且，调试AI生成的代码也能反过来教会你如何更好地向AI提问，以及规避AI经常犯错的地方。
掌握项目背景与整体视野：
软件开发从来不是孤立的编程任务，它总处在用户需求、项目进度、历史遗留代码以及团队流程等更大的背景之中。AI并不会天然理解你项目的历史，也不会了解某个技术决策背后的原因（除非你主动把所有这些信息输入到提示词里，而这种做法通常并不现实）。因此，理解和保持项目背景的责任，依然落在人类身上。一种经久耐用的能力就是“系统化思维”——理解一个改动如何影响系统其他部分、软件如何实现业务目标、所有组件如何互相连接。有了这种全局视野，你才能正确判断如何有效利用AI生成的建议。比如AI可能推荐一些聪明的捷径，但你知道这些捷径可能与法规要求或公司内部约定不符，你就能迅速识别出来。初级工程师应该积极主动地了解项目背景，多看设计文档，培养出一种判断力，知道什么合适，什么不合适。
沟通与协作能力：
软件开发本质上是团队协作的活动。AI不会参加你的会议（幸好），人类仍需与其他人交流，明确需求，讨论方案，协调任务。强大的沟通能力始终不可或缺。资深开发者可以利用自身能力，清晰表达复杂想法、指导他人并阐述愿景；初级工程师则应该锻炼自己善于提出问题、清晰描述问题的技能（无论是对同事还是AI）。值得注意的是，向AI提出好的问题本身就是一种沟通能力，要求你明确且精准地表达需求。这也与工程师核心技能“需求分析”密切相关。如果你能很好地表达需求或撰写清晰的规格说明，意味着你已经深刻理解了问题。此外，知识共享、撰写文档和代码审阅这些协作技能，也都是AI无法替代的。未来，当开发者与AI协同工作时，人与人之间的沟通协作（确保团队解决真正正确的问题）将变得更加重要。一种趋势是，工程师将更多参与高层次的设计讨论（可能有AI辅助），以及协调任务，逐渐变成一个“指挥家”的角色。沟通与领导能力，将帮助你很好地胜任这个角色。
适应变化与持续学习：
最后一种“元能力”，是持续学习新工具并适应变化的能力。AI辅助开发领域正在快速演化。Tim O’Reilly指出，最愿意学习新技能的开发者，将获得AI带来的最大生产力提升。资深工程师需要保持开放的心态，积极学习如何高效使用新的AI工具，始终站在趋势前沿。而初级工程师则应该认真掌握基础技能，同时对新技术保持强烈的好奇心。这种能力组合，让你能高效使用AI工具，同时又不会过于依赖它。这就像走钢丝：你可以用AI加速成长，但也应当偶尔脱离AI，进行纯手工的训练，以确保你没有跳过必要的学习环节（一些开发者甚至定期进行“AI排毒”，让自己的基础编程技能保持敏锐）。简而言之，做一个终身学习的工程师，是任何时代都能保障你职业生涯的重要技能。

这些技能构成了软件工程领域人类的优势。这种优势非常持久，因为它不会随着下一个框架或工具的更新而过时；相反，AI的崛起甚至让这些技能更加凸显。正如 Simon Willison 所说：AI 辅助工具的出现实际上让优秀程序员的技能变得更值钱，而不是贬值，因为有经验的人能更有效地利用这些工具。

一个强大的机器，如果交给技术不足的人，可能会产生危险，或者被浪费掉；但如果落到熟练的专家手中，就能带来巨大的转变。在AI时代，一名经验丰富的工程师就像经验丰富的飞行员，配备了一名先进的副驾驶：旅程可以走得更快、更远，但飞行员依然需要掌控方向，应对风暴，确保飞机安全降落。

高级开发者的优势：用AI放大你的经验价值

对于资深的程序员来说，AI工具的出现意味着一个提升自身影响力的绝佳机会——前提是你要充分发挥自己的经验优势。高级开发者通常拥有深厚的领域知识，能直觉地预测潜在风险，也更擅长做高层次的技术决策。

这些优势正是AI无法独立完成的那30%。那么，经验丰富的开发者该如何最大化自身价值呢？

做架构师和主编：
让AI写代码的初稿，而你则专注于设计整体架构，并且精炼AI给出的成果。很多公司可能逐渐倾向于只聘请经验丰富的人来（a）描述清楚任务（即编写提示词）；（b）对AI生成的成果进行审阅，确保准确无误。
身为高级开发者，你的优势在于能把复杂需求转化为清晰有效的AI指令，再用挑剔的眼光逐行审查AI生成的代码。这种模式相当于你在和AI“结对编程”：AI的优势是敲字快，而真正的智慧由你掌控。在代码审阅中要坚持高标准，确保生成的代码符合公司的质量、安全和性能要求。通过扮演架构师和主编的角色，你避免了因审查负担过重而被淹没的风险。
（但也要注意一点：如果初级工程师直接把未经检查的AI代码丢给你，必须坚决反对这种做法，建立明确的流程，要求他们先对AI代码进行基本验证，你不能成为唯一的安全网。）
用AI推动更大的项目：
资深开发者经常需要主导大项目，或处理复杂的重构任务，这些任务初级工程师难以单独完成。这时，AI的协助可以极大地提高效率，处理大量机械重复的修改，甚至帮你探索不同的方案。Steve Yegge 将这种工作方式称为“聊天导向编程（Chat-Oriented Programming, CHOP）”，也就是通过不断优化指令、与AI合作完成代码编写。
借助这种方式，你可以更大胆地尝试那些以前想做却又望而却步的项目。正如 Simon Willison 所指出的：“有了AI的帮助，那些本来需要几天的任务，现在可能只需几小时，值得尝试的项目数量也就增加了。”
不过关键仍然是你要掌握方向，决定采用哪些工具或方法，并将AI生成的代码整合成一个有序、有效的整体。你的经验可以帮助你筛选AI给出的建议，留下合适的部分，淘汰不合适的部分。
在AI时代，指导并树立标准：
高级开发者的另一个重要角色，就是指导年轻开发人员正确、高效地使用AI，同时坚持传统的最佳实践。你很可能拥有许多经过血泪教训才掌握的知识，比如内存泄漏、数组越界、多线程问题等等风险点。
当初级程序员开始使用AI生成代码时，你要教他们如何自己检查、测试AI代码，给他们树立一个榜样：每次提交AI生成代码时，要经过严格的测试和审查，避免盲目相信AI的结果。有些公司（甚至律所）已经开始规定，使用AI的人必须公开AI的使用情况并自行验证结果，而不能默认指望高级开发者帮他们擦屁股。
资深程序员要积极推行这种规范：可以使用AI，但要坚持严谨负责的工作态度。通过这样的指导，你不仅降低了自己的审查压力，也帮助初级工程师更快成长，逐步培养出AI无法替代的30%关键技能。
持续积累领域知识和预判能力：
你的丰富经验和宽广视野，在AI时代反而更具价值。高级开发者往往知道软件为什么以某种方式设计，或了解行业内部运作的细节。这种领域知识使你能够迅速识别AI产生的错误，而新人很可能看不出来。
要持续深入理解所在领域，这意味着你要不断跟进业务需求、用户反馈、行业新规等变化，因为AI本身并不会自动考虑这些因素，除非明确告诉它。当你的领域洞察力与AI的速度相结合时，能产生最好的效果。
另外，你还可以凭借经验的直觉去引导AI：例如，当你感觉到一个短期方案可能未来会带来维护麻烦时，你可以指导AI生成更可持续的解决方案。资深开发者要充分信任自己多年经验积累出的直觉，当代码看起来“不对劲”或“太美好了”的时候，果断深入排查。十有八九，你的直觉发现了AI忽略的风险。能够提前预判代码可能引发的二级、三级效应，是高级开发者的显著标志。千万别因为AI的方便而削弱了这种预判习惯，相反，要用你的预判能力不断校准AI生成的代码。
发挥软技能与领导力：
当AI承担了一部分编码工作后，资深开发者可以把更多精力用在软件工程中的“人”的方面。这包括与利益相关方沟通，主持设计会议，做出关键判断，让技术更好地与业务战略保持一致。Tim O’Reilly 等人曾指出，随着简单重复的代码工作变得更容易，开发人员的核心价值将逐渐转移到决定“做什么”和“如何组织复杂系统”上。
高级开发者正是能站在更高位置，看清全局，扮演这个“协调者”角色的人。主动承担起绘制技术路线图的任务，评估选择哪些工具（AI或其他工具），或为组织制定AI使用规范。这些任务AI都做不到，因为它们需要人的经验、判断，以及跨团队的协调与共识。
增强你的领导影响力，意味着你不会只是一个随时可以被工具替代的“代码生成器”，而是团队中不可或缺的技术领导者，在新的时代引领团队向前。

简而言之，继续做好资深程序员最擅长的事：透过树木看到整片森林。

AI帮你更快地砍伐大量树木，但最终还是得由你来决定该砍哪些树，以及如何用这些木头建造稳固的房子。你的判断力、战略思维和对他人的指导作用，在AI时代变得更加重要。善用AI工具的资深程序员，生产力会远超那些拒绝或无法充分利用AI的人。但真正脱颖而出的人，一定是那些能用自身的人类优势放大AI输出价值的专家，而不是任由AI自由发挥的人。

正如一位网友幽默地说：“AI是程序员能力的倍增器”，它确实“极大提升了高级程序员的生产力”。这种倍增效应是真实存在的，但真正被放大的，始终是你的经验和智慧。

在AI时代，如何成长为一名优秀的初级开发者？

如果你是一个刚入门或者经验尚浅的开发者，面对AI，你可能既兴奋又焦虑。一方面，AI助手能写出你自己可能都不会的代码，帮助你快速学习成长；另一方面，“初级程序员要失业了！”之类的新闻标题，又让你担心自己刚起步的职业前途。

但真实情况并没那么夸张：AI的确改变了初级开发者的成长路径，但并不意味着你会被取代。不过，你确实需要主动培养一些特殊的技能，以确保你的工作价值超过AI自动生成的代码。以下就是你该如何利用AI时代，主动投资自己、填补那30%的关键差距：

扎实学好基础，千万别忽略“为什么”：
你可能会忍不住想凡事问AI（比如“Python如何实现X功能？”），但如果你过度依赖AI的答案，而忽略了背后的原理，那就错失了宝贵的学习机会。把AI当成你的老师，而非单纯的“答案机器”。例如，当AI生成了一段代码时，你不妨追问一下它为什么这么写，或者请它逐行解释代码含义。你应该确保自己真正理解数据结构、算法、内存管理、并发这些基础概念，而不是完全交给AI解决。道理很简单：如果AI的答案有误或不全面，你自己心中必须有一个清晰的知识框架，才能及时发现并修正。有工程师曾经指出：“如果你只是被动接受AI的代码，而不理解它的原理，那你的实际学习效果可能会更差。”
因此，花点时间主动阅读官方文档、亲手写一些小程序，巩固基本功。这些基础知识经得起技术的变化，即便未来AI工具再强大，也永不过时。
独立解决问题和Debug，别过度依赖AI安全网：
想真正建立自信，你必须偶尔独立行动。不少开发者建议，可以每周设定一个“完全不使用AI辅助”的日子，或定期减少AI协助。这么做的意义在于防止你的独立解决问题能力退化。当你尝试靠自己去攻克难题时，你会强迫自己深入思考问题背后的逻辑，而这种深度思考又会反过来帮你更聪明地使用AI工具。另外，每当AI生成的代码出现Bug时，别急着让AI帮你修复，先自己尝试Debug一下：用调试工具逐步排查问题，或者自己加入一些输出语句观察程序行为。
把AI的建议当做提示，而不是最终答案。久而久之，你处理那些最棘手问题的能力会逐渐增强，而这些难题往往正是AI目前很难独立解决的地方——这就是你的独特价值所在。
养成测试和验证代码的好习惯：
作为初级开发者，养成编写测试代码的习惯非常重要，尤其是在使用AI生成代码的时候。当你从大模型（LLM）获得代码片段时，别盲目相信它是正确的，你应该主动怀疑并测试它：写单元测试，或者通过人工测试验证它能否真正满足需求和处理特殊情况。
这样做有两个好处：
（1）帮助你及时发现AI代码里的缺陷；
（2）培养你在实际开发前就能想清楚代码期望的行为和边界情况。
你甚至可以用AI帮你编写测试用例，但测试的标准和方向一定要由你自己掌控。如果你逐渐养成严格验证代码质量的声誉（无论代码是否由AI辅助生成），你的资深同事会更信任你，也避免了他们认为你只是随手丢出“质量可疑”代码的尴尬局面。从实践层面讲，从一开始就把测试视为开发过程的一部分，而非事后补救。认真学习测试框架、手动探索测试以及系统性重现Bug的方法。这些技能不仅能帮助你完成AI力所不及的30%，更能让你深入理解代码真正的运作方式。记住：每次你发现了AI留下的错误，那你就完成了AI无法做到的任务——这正是你的独特价值体现。
培养代码可维护性的眼光：
初级开发者通常关注的是“让代码能运行”，但在AI时代，写出一段能工作的初版代码并不难，AI很轻松就能搞定。真正困难且有价值的是，让代码变得易读、易维护、结构清晰。你应该开始培养自己对高质量代码的鉴赏能力，多留意代码结构、风格以及可读性。当AI生成一段代码时，主动和你所了解的最佳实践做比较，如果AI的代码过于复杂或混乱，你要主动重构它。例如，当LLM给你一个超过50行、职责混乱的函数时，把它拆分成多个职责明确的小函数。如果变量名晦涩难懂，立即改成易懂的名字。
你要假设自己是一名严格的代码评审员，不断提升AI输出代码的质量。久而久之，你还能主动用更好的方式去引导AI生成代码（例如明确指出你期望的代码风格）。后续的维护人员（也许几个月或几年后才会接手的人）会感谢你，而你也向团队展示了自己不仅仅是“让代码跑起来”，而是真正具备工程师的思维。这种追求可维护性的意识，正是那“由人类完成的30%”的核心内容之一，你需要从职业生涯的一开始就重视起来。
合理培养你的Prompt和工具使用技巧：
不得不承认，“提示工程”（Prompt Engineering），也就是如何有效地跟AI沟通交流，已经成为了AI时代的一种关键技能。作为初级开发者，你当然要掌握如何精准提问、给AI合适的上下文信息，以及如何不断优化提示以获得理想的结果。这些技能甚至能帮你脱颖而出（因为许多资深工程师也在摸索阶段）。但你必须记住，好的提示往往代表你对问题有深刻的理解。如果你发现自己始终无法从AI获得想要的答案，很可能是你自己还没彻底理解问题本身——要利用这点主动反思。你可以试着先用自己的语言描述解决方案，再让AI帮你实现它。多尝试不同的AI工具（如Copilot、Claude等），了解它们的优势和弱点。
熟练使用这些工具能极大提升你的效率，但切记，AI不是绝对的权威，而是更强大的“超级Stack Overflow”。你甚至可以借助AI进行一些小型项目实践（比如“我能用AI帮忙快速搭建一个小网页吗？”），从而更深入地理解如何在实际工作中整合AI工具。这种能力会让你在团队里脱颖而出，但仍然要注意经常训练自己独立解决问题的能力。
主动寻求反馈和导师指导：
最后，一项能极大促进你成长的长期技能，就是主动寻求反馈和导师指导。AI不会因为你忽略它的建议而生气，但人类的同事和导师却能提供无价的智慧。别害怕问资深工程师为什么他们更喜欢某种解决方案，尤其是和AI的方案不同时。积极和有经验的同事讨论设计决策和权衡取舍，从他们的回答中，你能学到资深工程师真正的思维模式，这种智慧无比珍贵。在代码评审时，对前辈给你AI生成代码的反馈尤其保持开放，深入理解每个建议背后的原因。
长此以往，你会建立起自己独特的经验库。此外，找机会和前辈做结对编程，看看他们如何巧妙利用AI，也会快速帮助你成长。

初级开发者心态转变：从“消费”到“创造”

在AI时代，作为初级开发者，你必须意识到一种重要的心态转变：从过去仅仅使用解决方案，转向主动创造理解。以前，一个新手可能要花很长时间啃文档、写代码才能完成一个功能；现在AI几乎直接就能给你现成的方案。如果你只是简单地复制粘贴，那么你几乎什么也没学到，成长也会停滞。

相反，每次AI给出的解决方案都应该被你当作一次宝贵的学习机会。拆解它，尝试不同的修改方式，思考自己是否能独立想出类似的方案。别把AI输出的东西看成“最终答案”，而应该把它看作互动式的学习素材，这样你才真正能提高技能。这样一来，AI不但不会取代你的成长，反而会加速你的成长。很多专家认为，尽管AI可能会减少公司中大量初级“码农”的需求，但同时也提升了初级开发者的要求。初级开发者这个角色正在变化，你需要学会如何高效地和AI协作，迅速提高你的工作价值。如果你能养成上述好习惯，你会脱颖而出，不仅仅是提供AI就能提供的东西（任何公司买个订阅就能做到），更能提供属于人类的洞察力、可靠性以及不断自我提升的精神，这才是未来高级开发者的真正特质。

结论：拥抱变化，聚焦“人”的优势

软件开发一直是一个不断变化的领域——从汇编语言到高级语言，从传统服务器到云计算，现在又从手写代码走向AI辅助开发。每一次变化都自动化了编程的一部分工作，但开发者每次都适应了，并且找到了更多的机会。正如技术专家Tim O'Reilly所说，过去的每次技术革新，“几乎总会带来更多的工作、更多的成长和更多的机会”，这次AI的崛起也不例外。AI并非让程序员变得多余，而是重新定义了我们取得成功所需的技能。日常70%的枯燥代码工作将变得更轻松，而剩下30%的挑战性工作将变得更加重要。

要想最大化发挥人类在那30%中的价值，就得关注那些永不过时的核心工程技能：深入理解问题、设计清晰的解决方案、严格检查代码质量，以及从用户和具体环境的角度出发思考问题。那些能将这些技能与AI工具结合起来的开发者，会远远胜过那些只具备其中一方技能的人。事实上，很多专家已形成共识：AI是给有技术的人准备的工具。有经验的程序员能从AI获得更多，因为他们知道如何引导AI，也知道AI出错时该怎么处理。正如有人所说：“大语言模型（LLMs）是给高级玩家准备的高级工具。”这意味着我们每个人都有责任成为那个“高级玩家”，培养足够的专业技能来高效地驾驭这些新工具。

归根结底，软件工程不仅仅是写出“能用”的代码，更重要的是写出真正优秀的代码——这种代码能在现实世界的环境中长期稳定运行，并且能适应持续变化的需求。今天的AI虽然能帮你写代码，但还无法确保代码在所有这些方面都达到优秀，这仍然是开发者的职责。

通过持续加强以上提到的技能，高级开发者能继续引领创新，而初级开发者能更快地成长为专家。AI将承担越来越多常规性的工作，但你的创造力、直觉和深入的工程思考，将让AI的原始输出变得真正有价值。AI的确是强大的工具，但关键在于你如何使用它。 良好的工程习惯、人类的判断力和持续的学习意愿，永远是不可替代的。

具体来说，无论你是在与一个热情的“AI助手”配对编程，还是在审查AI生成的大量代码时，都不要忘了用你的“人类视角”去检验它们，问自己：它解决的是正确的问题吗？其他人能否理解和维护它？有哪些风险和边缘情况？这些问题永远都是你的责任。未来的编程也许不再需要你亲手输入每个分号，而更多是指导和审查代码——但这仍然需要由开发者来掌控，因为只有你才具备判断正确性的智慧。

行动建议：

以成长的心态使用AI： 用AI提高生产力，但要坚持弄明白方案为什么有效。把AI当做伙伴，而不是依赖，每隔一段时间挑战自己不用AI也能解决问题，这样才能真正提高你的能力。
投入核心技能的培养： 加强系统设计能力，思考边缘情况，编写测试，深层次调试。这些长期的职业技能，AI无法替代。每项任务都要以代码的质量和清晰度为个人使命。
对于高级开发者： 利用你的经验，通过良好的提示词引导AI，并严格审查它的输出。负责任地引导团队如何有效地把AI整合到工作流中，建立使用标准，确保知识在团队内共享。将AI帮你节省的时间用于更有挑战的项目，并指导其他人。
对于初级开发者： 着重成为那种真正理解并能改进AI生成代码的工程师。以严谨认真闻名——总是仔细测试并复查自己的工作。从每个bug和反馈中学习成长，这样你很快就会迈向那些AI无法独立完成的工作，从而提升你的价值。
保持适应性： 工具会持续演进。你也需要不断更新自己的工具和技能。但只要你的基本功扎实，并拥有协作的态度，就能驾驭任何技术浪潮。

AI辅助开发的时代已经到来，让日常编程任务变得更加高效。这解放了我们，让开发者有更多精力投入到那些更有难度、更有意义的创造性任务上。只要我们能专注在“那30%”的关键领域——批判性思考、优雅设计、严格把控代码质量——就不仅能保证我们的价值，更能带来更优秀的软件。

归根结底，卓越的软件工程从来都是解决问题，而不仅仅是写代码。AI并没有改变这一点，它只是激励我们将自己的问题解决能力提升到更高层次。拥抱这个挑战，你会在行业的新篇章中脱颖而出。

原文：《Beyond the 70%: Maximizing the human 30% of AI-assisted coding》https://addyo.substack.com/p/beyond-the-70-maximizing-the-human